基于水波优化和A*算法的无人机群防空反制系统部署方法

沈阳工业大学学报 ›› 2026, Vol. 48 ›› Issue (1) : 74 -82.

基于水波优化和A^*算法的无人机群防空反制系统部署方法

作者信息 +

Author information +

文章历史 +

摘要

【目的】随着无人机群在侦察任务中的广泛应用，优化防空反制系统部署已成为提升防御能力的重要手段。无人机群凭借其高灵活性、强生存能力和低成本特性对传统防空体系构成了严重威胁。单一防空系统难以有效应对多目标协同的无人机群，因此，需要通过多系统协同部署，最大化无人机群的飞行成本，迫使其改变路径或放弃任务。本研究旨在设计一种高效的防空反制系统部署方法，以应对无人机群侦察带来的安全挑战。【方法】研究提出了一种基于水波优化（water wave optimization,WWO）和A^*算法的防空反制系统部署（water wave and A^*deployment,WAD）方法，该方法通过两个核心子模型实现优化:一是构建无人机群的最优路径规划模型，用于计算在给定防空反制系统位置下无人机群的最小飞行成本;二是设计防空反制系统选址优化模型，通过调整系统位置来最大化无人机群的期望飞行成本。WAD算法融合了WWO在全局和局部搜索中的平衡优势以及A^*算法在路径规划中的高效性，并通过改进的编解码机制提升了搜索效率，避免其陷入低效解空间。【结果】通过仿真实验验证WAD算法的有效性。实验设计了一个包含4个飞行起点、39个路径点和3个防空反制系统的场景，结果表明WAD算法能够求解出无人机群期望飞行成本的最大值，并输出优化的防空反制系统部署位置及无人机群的飞行路径。种群最佳适应度随迭代次数的增大而快速收敛，平均在30次迭代内达到稳定，表明算法具有较高的精度和计算效率，与传统方法相比，显著缩短了优化时间。【结论】WAD算法为无人机群防空反制系统的优化部署提供了一种高效解决方案。通过集成WWO和A^*算法的优势，该方法在全局探索与局部开发之间实现了良好平衡，显著提升了部署方案的收敛速度和优化质量。研究结果表明，本文方法适用于复杂侦察场景下的防御需求。未来可进一步研究动态环境下多目标优化的部署策略，探索防空反制系统间的协同机制，引入实时威胁评估，以适应无人机群技术的快速演变。